Jupyter try..

<测试验证代码在google home/falls_legend_1/>

先安装docker之后,了解到这个好东西“dataquestio”,目前提供的数据科学开发专用镜像:dataquestio/python3-starter —— 这个镜像安装Python 3, Jupyter notebook和许多其他流行的数据科学库,包括numpy,pandas,scipy,scikit-learn和nltk。

在终端输入docker pull dataquestio/python3-starter命令。输入这段命令后,程序会自动从Docker Hub下载镜像。Docker Hub与Github类似,不过却是Docker镜像的一个中枢。它会将相应的镜像文件下载至本地硬盘。

本地创建一个文件夹,用于存放notebooks。这个文件夹中将储存你所有的工作文件,并会持续存在于你的机器中,即使是你销毁了docker容器。在这里,我们将创建下面这个文件夹,/home/falls_legend_1/notebooks.

镜像下载完成后,你可以通过docker run运行该镜像。我们还需要传入一些选项,确保镜像配置正确。

  • -p 选项用于设置虚拟机的端口,让我们可以在本地访问Jupyter notebook服务器。
  • -d 选项用于以detached模式运行容器,也就是作为背景进程运行。
  • -v 选项让我们指定在本地机器中使用哪个文件夹存储notebook。

完整的运行命令是类似这样的:

docker run -d -p 8888:8888 -v /home/falls_legend_1/notebooks:/home/ds/notebooks dataquestio/python3-starter

最后,浏览google虚拟机 35.241.114.163:8888,,ok,可以用了。

做事方法不科学,blog宕机两天

突想起来一直没有使用https加密协议,说干就干,,,结果没有看清官方流程步骤,杯具了,,“大闲人”web不见了。

总结一下,就是要利用虚拟机来完成验证,不能随意就开始做不熟悉的系统配置,同时之前做的tar压缩备份方案证明在linode不靠谱,在进入linode 管理台上使用rescue模式恢复tar内容,但是操作之后无法启动,只能重新rebuild系统,还好这个系统的东西不多,而且我已经备份了mysql与wordpress的数据,心里有底,😄。

先搞定科学上网,然后恢复博客,还是很顺利的。想到docker技术更加方便,就在google云上验证了docker-compose技术,编写了yml文件,就把wordpress run起来,记住一点就是要进入exec it 容器内修改wp-content的读写权限及组,采用chmod和chown,这样就不会出现图片无法上传保存的问题,最后还是把google的博客docker-compose down,依然使用linode系统。

这一折腾,把docker技术强化了一下,compose编排很方便易懂,下一步再看看jupyter notebook,在练练新玩意。

Tensorflow2.0 (1)

今天翻了家庭照片库,晒一张夫人抱毛豆小朋友2005年的照片,?。

编译TF已经学会,可以使用工具了,下面就可以学TF2.0(1.0与2.0差异很多,就从2.0学起),怎么开头呢??直接去google看入门资料,而且还可以在网页运行python,关联你的google cloud Engine。

我使用anaconda3-4.7.12 + python3.7 + cuda10.0.130 + cudnn7.3.1 + Tensorflow-gpu-2.0搭建环境,使用conda非常顺利的启动gpu,虚拟环境:conda activate tensorflow python=3.7.5配置,升级conda upgrade,就开始学习MNIST和Fashion MNIST两个图像图的训练和评估,google提供完善的例子code,关键在模型的原理。

今天就写这些,兰卡的语音排查还在继续,西安开发部的组织拆分也很闹心,还是那句话,三十年河西,,,三十年河东,顺势而为,有时间就多看书学习新的事物,evoluton?。

参考: https://blog.csdn.net/qq_43673118/article/details/90140395

《将进酒》,《惜罇空》

惜罇空 (敦煌石窟版)

君不見黃河之水天上來,奔流到海不復迴。

君不見床頭明鏡悲白髮,朝如青雲暮成雪。

人生得意須盡歡,莫使金罇空對月。

天生吾徒有俊才,千金散盡還復來。

烹羊宰牛且為樂,會須一飲三百盃。

岑夫子,丹丘生,與君歌一曲,請君為我傾。

鐘鼓玉帛豈足貴,但願長醉不用醒。

古來賢聖皆死盡,唯有飲者留其名。

陳王昔時宴平樂,斗酒十千恣歡謔。

主人何為言少錢,徑須沽取対君酌。

五花馬,千金裘,呼兒將出換美酒,與爾同銷萬古愁。

將進酒

君不見黃河之水天上來, 奔流到海不復回!

君不見高堂明鏡悲白髮, 朝如青絲暮成雪。

人生得意須盡歡, 莫使金樽空對月,

天生我材必有用, 千金散盡還復來。

烹羊宰牛且為樂,會須一飲三百杯。

岑夫子、丹邱生,將進酒,杯莫停!

與君歌一曲, 請君為我傾耳聽!

鐘鼓饌玉不足貴, 但願長醉不願醒,

古來聖賢皆寂寞, 唯有飲者留其名。

陳王昔時宴平樂, 斗酒十千恣歡謔。

主人何為言少錢, 徑須沽取對君酌,

五花馬、千金裘, 呼兒將出換美酒, 與爾同銷萬古愁。

转载 https://roxhaiy.wordpress.com/2019/08/23/%e6%9d%8e%e7%99%bd%e7%9a%84%e3%80%8a%e5%b0%87%e9%80%b2%e9%85%92%e3%80%8b%e4%b8%8e%e3%80%8a%e6%83%9c%e7%bd%87%e7%a9%ba%e3%80%8b/

重新安装pip…完成tf的编译

    李世石开始筹备退役纪念赛,大李小李都已过往亦,感慨时间都去哪儿了
    回顾alphago的历程,觉得要重新了解AI的deeplearning技术,在网上看了不少文档,收集了一堆资料,包括五子棋和象棋的zero项目,加上自己以前做图像处理的一点经验,已经可以理解这个zero算法,目前leelazero开源项目是围棋界的热点,可玩性最高。
    仅仅纸上谈兵是不够的,开始学习python,和matlab比较像,简单学习可以上手阅读代码,安装pycharm软件+下载开源代码。
    接着问题来了,没有显卡N,没有tf环境,买了一个Nvidia G1060 6G,然后开始折腾安装tensorflow,不断的思考(纠结)怎么搭建,最后还是决定从源码编译开始体验,毕竟你没有买一枚bitcoin怎么能理解B圈的世界呢,?。
    我是跟着这个帖子学习的,推荐一下,还是挺不错的。
“How to install Tensorflow GPU with CUDA 10.0 for python on Windows and Ubuntu”
    开始我在公司的win10 workstation成功编译出python3.6 CPU-1.12版本,但是GPU总是编译失败,没有能力分析失败的原因。
    然后在家里Ubuntu 18.04上编译出python3.6的tf GPU-1.12.3版本,cuda 10.0+cudnn7.5.2的环境。
    总结一下,不论CPU还是GPU的编译都失败了若干次,一个是bazel compile配置选择“config=opt”和“config=monolithic”两项就可以,我的经验是需要使用config=cuda config=mkl;另外就是网速,bazel过程要下载很多依赖包。
    compiler不难,只要有高速的“科学上网”条件,加上细致的阅读英文贴,就可以build一个你自己的wheel文件,采用pip安装使用吧 ?
  最后安装还出现了如下问题,使用pip出现如下错误提示:
    Traceback (most recent call last):
    File "/usr/bin/pip3", line 9, in 
    from pip import main
    ImportError: cannot import name 'main'
  网上Google比较靠谱的做法是重新安装pip,可能是安装较多package之后,pip包管理出现错误,使用命令:
    sudo python3 -m pip uninstall pip && sudo apt install python3-pip --reinstall,药到病除! 
    开始去玩5g,5g和AI怎样结合呢,有什么项目可以跨界,呵呵。

vmware的配置疑问?

虚拟化引擎:
首选模式(M): 自动、二进制转换、Intel VT-x或AMD-V、Intel VT-x/EPT或AMD-V/RVI

a.硬件虚拟化技术:
1、硬件辅助虚拟化(Hardware-Assisted Virtualization)。
2、硬件辅助虚拟化是指借助硬件(主要是主机处理器)的支持来实现高效的全虚拟化。
3、例如有了Intel-VT技术的支持,Guest OS 和 VMM 的执行环境自动地完全隔离开来,Guest OS有自己的“全套寄存器”,可以直接运行在最高级别。因此在上面的例子中,Guest OS能够执行修改页表的汇编指令。
4、Intel-VT和AMD-V,是目前x86体系结构上可用的两种硬件辅助虚拟化技术。

b.Intel VT-x/EPT技术:
1、Intel VT-X技术实现的功能是减少虚拟机运行时虚拟机和物理机得到双重系统调用所产生的高Context Switch。也就是说,虚拟机的进程在要先从虚拟机ring3转到ring0,再从物理机的ring3转到ring0,性能有很大损失,而Intel VT-X就是为了解决这一问题而产生的技术。
2、Intel RPT技术则是为了解决虚拟机的虚拟内存映射问题。虚拟机的虚拟内存要映射到虚拟机的物理内存上面,而虚拟机的物理内存相当于物理机的虚拟内存,物理机的虚拟内存也是要映射到物理机的物理内存上面的,所以这双重转换会造成很大的资源消耗,RPT技术就是减小这个消耗的。
3、AMD实现的功能和Intel的功能类似。

c.虚拟化cpu性能计数器:
CPU性能监控计数器 (PMC) 为软件提供了一种监控和衡量处理器性能的方法。这些计数器通常由诸如软件探查器等工具使用。从具有ESX 5.1及更高版本兼容性(硬件软件 9)的虚拟机开始,可以启用虚拟性能监控计数器 (vPMC) 功能以允许在虚拟机中运行的软件访问此性能信息,如在物理机中运行一样。

阅读一篇短文

转:

我希望你们在未来岁月中,

不时遭遇不公对待,

这样才会理解公正的价值所在。

愿你们尝到背叛滋味,

这会教你们领悟忠诚之重要。

抱歉,我还希望你们时常会有孤独感,

这样才不会将良朋挚友视为理所当然。

愿你们偶尔运气不佳,

这样才会意识到机遇在人生中的地位,

进而理解你们的成功并非命中注定,

别人的失败也不是天经地义。

当你们偶尔遭遇失败时,

愿你们受到对手幸灾乐祸的嘲弄,

这才会让你们理解体育精神的重要性。

愿你们偶尔被人忽视,

这样才能学会倾听;

感受到切肤之痛,

才能对别人有同情的理解。———美国首席大法官约翰•罗伯茨(John Glover Roberts, Jr.)